lindorx的博客

基本结构#导入库from bcc import BPF#使用BPF()执行bpf代码BPF(text="""#C语言代码段""")#对bpf的处理代码C语言代码编写不需要写main函数，目前知道可以写两种函数，以“kprobe__”开头的函数和自定义函数。bpf函数至少要包含一个参数“ctx”，即使不使用也应该存在，可以声明为“void *ctx”。以“kprobe__”开头的函数，其余的名称部分表示要检测的函数，比如“kprobe__sys_clone”，表示要检测的函数是“

2017-11-26 20:31RNN(反馈式神经网络)，即前面构建的那几个网络。由于它们都是反复使用相同的方法构建的神经网络，既费力又费时，鉴于每次构建的基本步骤都一样，于是我把构建的操作函数化，只要提供相应的参数，让计算机自动生成合适的神经网络。代码在最后，封装成的函数命名为“RNN”， 共有5个参数：RNN( X , Y , M , A...

2017-11-23 22:41依据上篇文章的推导，设l(n)层的第x个神经元为l(n)_(x)，其误差值为delta_l(n)_(x)，则有以下公式：delta_l(n)_(x) = delta_l(n+1) * w(n+1) * f'(netl(n)_(x))其中f'(netl(n)_(x))为神经元delta_l(n)_(x)激活函数的导数，w(n+1)为delta_l(n)_(x...

2017-11-23 03:50从下午推导公式到现在，成功完成了四层神经网络的构建和相关代码的编写，用这个神经网络和之前三层的神经网络相比较，发现了一些比较有趣的现象（三层的和四层的神经网络暂时简写为T_rnn和F_rnn,）。首先，当训练次数较少时，T_rnn的结果更接近理想值，但两者相差并不大，训练次数增加后，F_rnn更接近理想值。其次，之前忘了给F_rnn写更新b的代码...

2017-11-22 01:49前言：代码为python3，这是一个三层的神经网络，有两个输入，两个输出。import numpy as npdef sigma(z): return 1/(1+np.exp(-z))def sigma_da(a): return a*(1-a)def run(): i1,i2=3,8#输入 o1,o2=0.2...

2017-11-22 01:28人工神经网络是进行机器学习的基础，模仿生物神经元的工作方式构建神经网络，让计算机拥有“自我学习“的能力。人工神经网络的诞生具有革命性的意义，”自我学习“是其最大的优点，通过适当的训练，它语音识别、图像识别、人机对话、大数据方面发挥的了巨大的作用。神经网络的概念早在数十年前就已经提出来了，但限于当时计算机的计算能力，还无法应用。近些年来，随着计...

2017-11-20 01:23numpy库是python中使用非常广泛的一个数学库，特别是在数组、矩阵方面的运算有非常强大的支持。导入方法通常为：import numpy as np #很多人都习惯在导入时把numpy命名为np，这里也不例外。调用里面的函数需要在前面加上”np.“,如np.pi、np.abs()等等，也可以这样导入：from numpy import* ，这样就可...

2017-11-19 02:19Mnist手写数字数据库是著名的神经网络入门级训练集，它图像文件的后缀名一般为idx3-ubyte,图像标签文件后缀名为idx1-ubyte。它分为两种图像集，一个训练集，一个测试集。它内置的图像大小为28*28，可以在这里下载：http://yann.lecun.com/exdb/mnist/一共四个文件，训练集和它的标签集，测试集和它的标签集，解析...

2017-11-18 00:59'''原来写的代码太过凌乱，又花了5个小时重写了代码，把大部分功能定义成了函数，代码总行数比原来少了10%。幸好是python语言，如果用c语言，估计得写三四百行，python的优点就是语法简单，比其他语言更贴近人类的语法，这些代码中也使用了pythonic，使代码可读性提高了一点'''import numpy as np#导入numpy库，并命名...

2017-11-18 00:31前言：本文章中的一部分代码写得比较仓促，虽然比原来写的结构性更强，但仍有缺陷，下一篇中的代码经过了稍微修改。Sobel算子是整像素图像边缘检测中最重要的算子之一,该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下:...